科技照亮未來：人臉識別終端

發(fā)布日期：2018-12-01 作者：速爾科技點擊：

談及“刷臉”大家都不陌生，百度，支付寶，京東很多公司已經(jīng)全面開啟了人臉識別的這種認證和支付方式。

2015年馬云在德國漢諾威消費電子、信息及通信博覽會開幕式上向包括德國總理默克爾和中國國務(wù)院副總理馬凱在內(nèi)的嘉賓，現(xiàn)場演示螞蟻金服的Smile to Pay掃臉技術(shù)，實現(xiàn)人臉識別支付。

背景.png

什么是人臉識別技術(shù)？

人臉識別，是計算機視覺里面的一個分支問題，應該也是最難解決的問題。

車牌識別我們接觸的比較多，其實車牌與人臉識別的實現(xiàn)也是相同也有不同的。

人類通過眼睛獲得視覺信息，這些信息經(jīng)過大腦的處理被識別為有意義的概念。于是我們知道了放在我們面前的是水杯、

本，還是什么別的東西。

然而這項看似簡單的任務(wù)，對機器來說卻并不那么容易實現(xiàn)。

對計算機來講，一幅圖像信息，無論是靜態(tài)的圖片，還是動態(tài)視頻中的一幀，都是一個由眾多像素點組成的矩陣。比如一個1080p的數(shù)字圖像，是一個由1980*1080個像素點組成矩陣，每個像素點，如果是8bit的rgb格式，則是3個取值在0-255的數(shù)。

機器需要在這些數(shù)據(jù)中，找出某一部分數(shù)據(jù)代表了何種概念：哪一部分數(shù)據(jù)是水杯，哪一部分是書本，哪一部分是人臉。

AI深度學習助力人臉識別技術(shù)

定位到人臉之后的另外一個問題就是如何去區(qū)別你是不是你，計算機理解人臉不是一整張的人臉，而是將人臉的上一些特征比如單眼皮，高鼻梁，眼球顏色等劃分為某一個特征值。主流識別算法在特征值個數(shù)在5到100之間。

計算機將一張臉按照（特征1，特征2，特征3，特征4，特征5）這樣的模式存儲起來。但是這5種特征值和區(qū)分維度是沒辦法區(qū)分全球全球70億人臉的。

當特征值和區(qū)分維度增加后特征空間的庫就變得巨大無比，傳統(tǒng)算法不足以計算，2012年基于神經(jīng)網(wǎng)絡(luò)算法的深度學習算法出現(xiàn)，使得人臉識別的效率和準確率得到質(zhì)的飛躍。

人臉識別更便捷具安全性

我們常見的生物識別有指紋，虹膜，指靜脈等，但是指紋因為會磨損，換季脫皮等印刷影響給用戶帶來不少的麻煩，再加之指紋可通過簡易方式復制獲取后完成破解，安全性上并沒沒有想象中那么好。

目前主流的指紋硬件識別速度在1秒左右，但是最大的一個限制是需要人走近伸出手指才能識別，相比于在運動中靠近就開始識別的人年識別效率上低了不少。

timg (2).jpg

安全性上人臉識別算法在通過大數(shù)據(jù)的人臉庫的深度學習，更加智能，即使戴眼鏡，化妝，遮擋，雙胞胎，等情況都能準確識別，還能活體檢測，安全性上更勝一籌。

人臉識別無疑是市面上較為安全與方便的生物識別方式之一，人臉識別已經(jīng)應用在很多領(lǐng)域了，銀行，火車站，加油站，小區(qū)等。

相關(guān)標簽：人臉識別廠家,哈爾濱人臉識別

上一篇：動態(tài)人臉識別系統(tǒng)門禁使用方案
下一篇：車位引導系統(tǒng)解決方案

新聞分類

產(chǎn)品分類

新聞資訊

熱門關(guān)鍵詞

聯(lián)系我們